删除网络抓取的空白<tr>标签nodejs

我有一个问题，超出了我的解决。我正在网页上抓取一个更具体的网页 - <tr>在nodejs中，我能够抓取内容，但由于某种原因，格式不理想。在console.log（）中查看时，它有一堆空格。我尝试了.trim（）和.replace（），但它并没有真正删除空格。我猜这是因为数据嵌套在div和table格式中。我不知道如何处理它。删除网络抓取的空白<tr>标签nodejs

另外我试着将它保存为数组，但所有的输出没有被打破，它只是一个数据块。如果已经回答了这个问题，请提供链接并忽略我的帖子。

下面是代码

var request = require('request'); 
var cheerio = require('cheerio'); 
var URL = 'http://www.hcad.org'; 

var content = []; 
var Tr = []; 
request(URL, function(error, response,html){ 
if(error){ 
    console.log('Error happened: ', error); 
} 
if (response.statusCode !== 200) { 
    console.log('Invaled response code returned: ', response.statusCode); 
} 
var $ = cheerio.load(html); 


$('tr').each(function (i, element) { 

    content = []; 
    var a = $(this).prev(); 
    var trimmed_a = a.text(); 

    trimmed_a = trimmed_a.trim(); 
    var str = trimmed_a.replace(/(\r\n|\n|\r|\t)/gm, " "); 
    var newStr = str.replace(/[^\x20-\x7E]/gmi, "");; 

    content.push(newStr.trim()); 
    console.log(newStr.trim()); 
}); 



})

来源

2016-10-11 Nb_me

您能否添加要浏览的页面？ – Dror

它是在代码（URL） –

你用'替换'\ \删除空格？请参阅http://stackoverflow.com/questions/1981349/regex-to-replace-multiple-spaces-with-a-single-space – Dror

我认为你缺少更换使用空格作为Regex to replace multiple spaces with a single space建议的副本：

string = string.replace(/\s\s+/g, ' ');

见sample为使用jQuery一个简化版本。

来源

2016-10-12 00:00:41 Dror

谢谢.......这解决了这个问题。现在 –

我使用了一个类似的代码，它并没有做我认为它应该做的事情sa.replace（/（\ r \ n | \ n | \ r）/ gm，“”）。我没有得到与你发布的结果相同的结果。 –

\ s将删除所有空格。您使用的网站有很多空格，不仅有回车符和换行符（\ r \ n），您似乎要删除它们。 – Dror

删除网络抓取的空白<tr>标签nodejs

回答

相关问题